Die schnelle Akzeptanz von Elektrofahrzeugen (EVs) erfordert eine effiziente Planung der Ladeinfrastruktur. Diese Studie schlägt ein Multi-Objective-Optimierungsmodell für die Standort- und Kapazitätsplanung von EV-Ladestationen vor, bei dem zwischen Schnell- und Normalladegeräten unterschieden wird. Das Modell integriert Investitionen, dynamische Stromkosten und Nutzererfahrungen und berücksichtigt unter Berücksichtigung von verkehrsangepassten Reiseentfernungen, zeitabhängigen Preisen und Warteschlangenverzögerungen einen erweiterten M/M/c-Ansatz. Ein Vergleich der Algorithmen zeigt, dass der simulierte Temperierungsalgorithmus (SA) den genetischen Algorithmus (GA) und die Optimierung von Ameisenkolonien (ACO) bei der Minimierung der Gesamtkosten übertrifft. Eine Fallstudie im städtischen Kern von Changchun zeigt die Anwendbarkeit des Modells und resultiert in einem optimalen Plan von 15 Stationen mit 110 Schnell- und 40 Normalladegeräten, die eine Kapazität von 11.544 kVA bei jährlichen Kosten von 38,2651 Millionen Yuan bereitstellen. Im Vergleich zu traditionellen Modellen, die Ladetypen ignorieren und Verzögerungen vereinfachen, reduziert das vorgeschlagene Modell die Gesamtsystemkosten um 4,31 %, die Investitionskosten um 5,31 % und die Nutzerkosten um 3 %, während es Verzögerungen in gebietsweise stark nachgefragten Bereichen verringert. Dieses Rahmenwerk bietet praktische Einblicke für Stadtplaner und politische Entscheidungsträger, um eine Balance zwischen Investitionen und Nutzerzufriedenheit zu finden und nachhaltige EV-Mobilität zu fördern.
Wang et al. (Mittwoch) untersuchten diese Frage.